阻尼分数阶薛定谔方程柯西问题的局部适定性

本文在全空间中研究一类带阻尼的散焦型分数阶薛定谔方程的柯西问题,阻尼系数是依赖于时间的,并且可能在无穷处消失.我们借助单调算子理论得到了弱解的存在性;利用Strichartz估计以及压缩不动点定理得到了局部解的唯一性;利用精细的能量估计和下半连续性讨论建立了L~2和H~α∩L^p+2的能量衰减估计.     

区间直觉犹豫模糊集的两种相似测度及其在模式识别中的应用

模糊集的相似测度是模糊集理论的重要组成部分之一,有着广泛的应用.首先给出了基于隶属度、非隶属度和犹豫度的区间直觉犹豫模糊集的标准海明距离、标准欧氏距离、广义标准海明距离公式以及它们的加权距离公式.然后提出了基于距离的区间直觉犹豫模糊集相似测度和区间直觉犹豫模糊集的余弦相似度,并给出了公理化证明.两种相似测度均包含了区间直觉犹豫模糊集的隶属度、非隶属度和犹豫度.最后将这两种相似测度应用到基于区间直觉犹豫模糊信息的模式识别中.     

基于Nie-Tan算法的区间二型模糊集质心计算:改变主变量采样个数

计算区间二型模糊集的质心(也称降型)是区间二型模糊逻辑系统中的一个重要模块。Karnik-Mendel(KM)迭代算法通常被认为是计算区间二型模糊集质心的标准算法。尽管如此,KM算法涉及复杂的计算过程,不利于实时应用。在各种改进类算法中,非迭代的Nie-Tan(NT)算法可节省计算消耗。此外,连续版本NT(CNT,continuous version of NT)算法被证明是计算质心的准确算法。本文比较了离散版本NT算法中求和运算和连续版本NT算法中求积分运算,通过四个计算机仿真例子证实了当适度增加区间二型模糊集主变量采样个数时,NT算法的计算结果可以精确地逼近CNT算法。     

基于M估计的稳健单指数投资组合模型

针对单指数投资组合模型,用稳健的M估计去估计模型参数,减少了样本数据异常值对模型的影响,并对沪市权重股进行了实证检验,得到了投资组合的有效前沿。     

二阶段H_∞滤波在捷联惯导/里程计组合导航系统中的应用

针对一类包含未知常值偏置的线性系统的状态估计问题,比如捷联惯导/里程计组合导航系统,由于扩展未知常值偏置为系统状态,导致系统状态维数比较高。当应用H∞滤波进行估计时,就会引起滤波算法的计算量大大增加,进而会影响其估计性能。为了解决这个问题,将H$滤波问题转化为Krein空间下的求解某种二次型的最小值问题,而求解该最小值可以使用Kalman滤波来解决。因此,通过采用二阶段Kalman滤波理论,在Krein空间下建立了二阶段H∞滤波算法,将H$滤波中的高维矩阵计算解耦成并行的低维矩阵计算,有效地解决了高维矩阵计算所带来的数值计算问题,降低了计算量,并且该算法有利于硬件并行运算设计,为进一步提高算法执行速度提供了可能。通过在捷联惯导/里程计组合导航系统中的仿真实验,验证了算法的有效性。     

盲重构频域阵列信号的压缩感知水声目标方位估计

针对复杂海洋环境条件下压缩感知水声目标方位估计性能下降的问题,利用盲源分离能够提高信噪比的优势,提出了一种盲重构频域阵列信号的压缩感知水声目标方位估计方法。首先将阵元域信号通过傅里叶变换方法得到多个子带阵列信号;然后对各个子带阵列信号进行复数域盲源分离得到子带解混矩阵和子带分离信号估计,并对子带分离信号进行属性分析和处理;再根据处理后的子带分离信号和子带解混矩阵重构子带阵列信号,对重构的子带阵列信号采用频域压缩感知方法进行空间谱估计,得到各个子带的空间谱;最后将各子带得到的空间谱进行求和,搜索求和后空间谱的峰值则可实现目标方位估计。模拟器数据和海上实测数据验证结果表明,同等条件下该方法的目标检测能力优于经典的最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)方法、频域压缩感知(Compressed Sensing,CS)方法、盲源分离(Blind Source Separation,BSS)与MVDR相结合的方法(BSS+MVDR方法),测向精度更高,明显提高了弱目标信号的空间谱能量,增强了声呐检测弱目标的能力。      

利用近红外及中红外融合技术对小麦产地和烘干程度的同时鉴别

小麦是制作馒头的主要原料之一，小麦中水、蛋白质、淀粉会因产地以及烘干程度的差异而不同，进而影响到加工成馒头的品质。所以实现对小麦产地和烘干程度的快速鉴别就显得尤为重要。感官评定是鉴别小麦产地和烘干程度常用的方法，对比感官评定，光谱分析可以识别样品中的分子结构等信息。基于此，尝试利用近红外和中红外光谱融合技术实现对不同产地和不同烘干程度的小麦同时鉴别。首先选取了两个不同产地的小麦，再利用微波干燥法对两个不同产地的小麦做烘干预处理，使烘干的小麦水含量为12%±0.5%，原麦水含量为18%±0.5%。分别标记为原麦A，烘干A，原麦B，烘干B，再将小麦研磨成粉末，过100目筛网筛选后，置于自封袋中备用。随后分别采集四种小麦样品的近红外和中红外光谱信息，在Matlab 7.10的环境下使用标准正态变量变换(standard normal variable transformation, SNVT)对采集到的原始光谱数据进行预处理，利用主成分分析对预处理后的数据进行降维处理，再结合线性判别分析（linear discriminant analysis，LDA）和支持向量机（support vector machine, SVM）分别建立小麦近红外、中红外光谱数据识别模型。另外利用联合区间偏最小二乘法（synergy interval partial least square, SiPLS）筛选出利用标准正态变量变换(SNVT)预处理后的小麦近红外和中红外光谱数据特征光谱区间，将筛选出的近红外和中红外光谱数据特征光谱区间融合后再结合线性判别分析（LDA）和支持向量机（SVM）建立小麦融合光谱信息的识别模型。然后比较同种光谱数据下利用线性判别分析（LDA）和支持向量机（SVM）建立的小麦识别模型识别率、比较同种建模方法下近红外和中红外光谱数据建立小麦识别模型识别率、比较同种建模方法下光谱数据融合和单一光谱数据建立小麦识别模型识别率。结果表明，同种光谱分析方法，利用SVM建立的四种小麦识别模型识别率高于利用LDA建立的小麦识别模型识别率。同种建模方法，近红外光谱数据建立的小麦识别模型识别率优于中红外光谱数据建立的小麦识别模型识别率。而在同种建模方法下，利用SiPLS筛选出近红外和中红外光谱数据的特征光谱区间数据融合后建立小麦识别模型识别率最高，光谱数据融合后结合LDA建立的小麦识别模型校正集识别率为98.75%，预测集识别率为97.50%；而将此选择的变量结合SVM建立的小麦识别模型的校正集和预测集识别率都达到100.0%。对比利用单一光谱数据建立的小麦识别模型识别率，光谱数据融合之后建立的小麦识别模型识别率得到显著提高，该研究从纵向和横向上全面地比较了光谱数据建立的小麦模型识别率，结果可为更准确地运用光谱融合技术建立小麦产地以及烘干程度识别模型提供参考。     

一类改进最大熵方法的可调参数分析

在结构可靠性分析中,引入含可调参数的转换函数能对传统的最大熵方法进行改进,获得更高的失效概率预测精度。但是,此可调参数的最佳取值很难确定。针对这一问题,引入概率守恒方程,从功能函数转换前后所得概率密度函数出发,建立其最大熵值的变化关系,给出转换前后最大熵值之差的理论形式。通过对三种典型单调非线性转换函数开展算例研究,发现功能函数转换前后的最大熵值之差与转换函数的最佳可调参数值有关。改变可调参数值驱使最大熵值之差变化的同时,改进最大熵方法能遍历到更好的失效概率估计值。     

紧黎曼流形上的椭圆边界值问题

讨论一类非齐次非线性椭圆边界值问题.利用极大值原理证明了该问题解的梯度估计.作为它的应用得到了解的效率比估计.     

基于罗德里格参数的线性最优估计自对准

针对车载捷联惯导系统怠速条件下的初始对准问题,提出了一种基于罗德里格参数的线性最优估计自对准算法。利用姿态阵分解和凯莱变换,将任意姿态下的无初值初始对准问题简化为罗德里格参数的无约束线性最优估计问题。讨论了算法的有效性,推导了算法的对准误差公式,并设计了一种简洁的工程实现方案。利用车载捷联惯导系统进行了四位置对准试验,每个位置对准六次,结果表明,在发动机振动及外界随机扰动下,新算法可以在5 min内完成对准,统计方位均方差(1σ)不超过3′。